Hoy les compartimos algunos términos que están sonando fuerte y que muchos de nuestros clientes empiezan a ponerle atención para la automatización de procesos, entre otras tantas de las funciones que estas nuevas tecnologías nos permiten.
Desde nuestra agencia, venimos trabajando ya hace 5 años en en cuestiones relacionadas a la automatización de procesos, y 2 años específicamente en inteligencia artificial, redes neuronales y machine learning.
La diferencia entre Inteligencia Artificial respecto a otros sistemas es que la IA no hay que programarla específicamente para cada caso o escenario.
Se le puede enseñar determinadas cosas (Machine Learning, aprendizaje automático) y puede aprender por sí mismo (Deep Learning).
Un breve resumen:
- IA (Inteligencia Artificial): máquina capaz de imitar como razona un humano
- ML (Machine Learning): las personas “entrenan” a las máquinas para reconocer patrones basados en datos y hacer sus predicciones.
- DL (Deep Learning): la máquina es capaz de razonar y sacar sus propias conclusiones, aprendiendo por sí misma.
La IA (Inteligencia Artificial)
Se trata de una máquina capaz de pensar como un ser humano. Puede ser simple o puede ser una maquina casi humano capaz de aprender un montón de entradas sensoriales y aplicar ese conocimiento a nuevas y diferentes situaciones. Esta última parte es la clave, de hecho: la IA más «fuerte»
ML (Machine Learning)
Es el poder de resolver las cosas sin que las tengan programadas. Si querés por ejemplo que se reconozcan rostros:
- Podés darle a tu IA características de un rostro: formas, texturas, sombras, colores
- Mostrar diferentes imágenes de caras
- Una vez que el programa haya visto suficientes rostros, debería ser capaz de identificarlos en otras imágenes.
DL (Deep Learning)
Es un tipo de aprendizaje automático con profundas «redes neuronales» que procesan los datos de manera similar al cerebro humano.
- Dale muchas fotos de rostros.
- El algoritmo inspeccionará las fotos para ver qué tienen en común (pista: son rostros).
- Cada foto se deconstruirá en múltiples niveles de detalle, desde formas grandes y generales hasta líneas pequeñas. Si una forma se repite mucho, el algoritmo lo etiquetará como una característica importante.
- Tras analizar suficientes fotos, el algoritmo ya sabrá reconocer los patrones que definen lo que es un rostro y podrá identificarlo en cualquier otro escenario.
